文献

J-GLOBAL ID：202202262308110918   整理番号：22A1043819

機械学習分類器に基づく意味特徴によるWebサイト検出のフィッシング:比較研究【JST・京大機械翻訳】

Phishing Website Detection With Semantic Features Based on Machine Learning Classifiers: A Comparative Study

著者 (7件)： Almomani Ammar (Research and Innovation Department, Skyline University College, UAE & IT Department, Al-Huson University College, Al-Balqa Applied University, Jordan) ,  Alauthman Mohammad (University of Petra, Jordan) ,  Taib Shatnawi Mohd (Al-Balqa Applied University, Jordan) ,  Alweshah Mohammed (Al-Balqa Applied University, Jordan) ,  Alrosan Ayat (School of Information Technology, Skyline University College, UAE) ,  Alomoush Waleed (School of Information Technology, Skyline University College, UAE) ,  B. Gupta Brij (Department of Computer Engineering, Kurukshetra, India)
資料名： International Journal on Semantic Web and Information Systems  (International Journal on Semantic Web and Information Systems)
巻： 18  号： 1  ページ： 1-24  発行年： 2022年 
JST資料番号： W3850A  ISSN： 1552-6283  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： フィッシング攻撃は,Webフィッシングとスピアフィッシングにおける主要なサイバーセキュリティ脅威の1つである。フィッシングウェブサイトは問題であり続けている。本研究の主な貢献の1つは,URL&Domain Identity特徴,異常特徴,HTMLとJavaScript特徴,およびドメイン特徴を意味特徴として抽出して,それらの意味特徴,より制御可能およびより効果的な分類のプロセスを作る。本研究は,フィッシングウェブサイトを検出するために機械学習モデルアルゴリズムを使用し,比較を実施した。2つのデータセットから抽出したフィッシングWebページの検出に対して最も効果的な特徴を示す10のセマンティック特徴を採用した16の機械学習モデルを使用した。勾配ブースティングクラシファイアとランダムフォレストクラシファイアは,比較結果(即ち,約97%)に基づく最良の精度を持った。対照的に,GaussNBと確率的勾配降下(SGD)分類器は最低の精度結果を示す。他の分類器と比較して,それぞれ84%と81%であった。Copyright 2022 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  意味論 ,  分類 ,  特性 ,  精度 ,  分級機 ,  計算機アルゴリズム ,  コンピュータセキュリティ ,  *Web【情報システム】 ,  *機械学習 ,  Webページ ,  HTML
準シソーラス用語： Javaスクリプト ,  ランダムフォレスト ,  サイバーセキュリティ , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習モデル ,  Webサイトのフィッシング ,  意味論的分類 ,  意味論的特徴

分類 (2件)： データ保護  (JD01020V) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 機械学習 ,  分類器 ,  Webサイト ,  フィッシング ,  研究